hypo-generator

Hypo Generator

从网站 URL（优先）或文字简介出发，为 IT 服务机构客户生成完整的 10 条假设外联矩阵。采用 Viktor Shulha 的两阶段方法论和 signals-catalog.md。

输出对象： Viktor 的客户（IT 服务机构创始人或其业务拓展团队）。这些假设针对他们的外联，而非 Viktor 向他们进行外联。

---

必需输入

以下任意一项：

• 客户 URL（优先）——服务机构的主要营销网站
• 文字简介——该机构的业务、目标客户、服务地区及近期案例

可选（欢迎提供）：

• 地理优先级或禁止拓展的地区
• 需要重点关注或避开的行业
• 1-3 个附带量化成果的案例研究（优先提供，用于佐证）
• 当前外联情况（无 / 临时开展 / 有 SDR / 有外包机构）

---

工作流

阶段 1 — 调研（先完成此步骤，再提出任何假设）

如果提供了 URL：

1. 使用 WebFetch 抓取首页。提取以下信息：
   • 服务 / 能力（他们提供什么——设计、定制开发、移动应用、AI 等）
   • 垂直领域 / 行业重点（他们目前面向哪些客户）
   • 地理信息（总部、团队分布、销售市场）
   • 案例研究及量化成果——记录客户品牌标识和任何数字
   • 现有定位（“我们通过 Z 帮助 X 实现 Y”）
   • 团队规模 / 公司规模的参考信息（关于页面、招聘页面）
   • 技术栈线索（案例研究中提及的技术）
2. 如果首页引用了 /case-studies、/services、/industries，使用 WebFetch 抓取其中一两个页面，以获取更多背景信息。
3. 记录明确的信息缺口：仍有哪些关键信息未知。

如果提供了文字简介：从中提取相同字段，并标记缺失字段。

阶段 1.5 — 提出澄清问题（仅在需要时）

使用 AskUserQuestion 仅补充关键缺失信息。不要问太多。可能需要询问：

• 地理优先级——如果网站没有明确说明，询问：US / UK / EU / DACH / LATAM / 无偏好？
• 禁止拓展的细分市场——他们明确不会服务哪些领域（例如，加密货币、赌博）？
• 适合用作佐证的最佳案例研究——哪些 1-2 个案例有实际量化成果（收入提升、节省时间、转化率改善）？
• 当前外联情况——没有 / 有 SDR / 有外包机构 / 尝试过但效果不佳

跳过可以从网站上获取答案的问题。每批最多提 4 个问题。

阶段 2 — 构建假设矩阵

1. 阅读 signals-catalog.md（位于此技能文件夹中）——这是你的信号库。不要臆造信号；从目录中挑选。

   **运营层配合：**此技能属于策略层（应押注哪个信号 × ICP × 优惠方案）。运营层负责回答如何检测选定的信号（使用哪个工具、Clay 积分成本、新鲜度／衰减窗口）、如何为包含该信号的账户评分，以及触发哪种从信号到行动的 GTM 策略。请使用 agency-signal-sourcer 技能（resources/detection-tools.md ⭐、scoring.md、gtm-plays.md）。其 detection-tools.md 可直接为阶段 3 的 “易于抓取” 因素提供参考，而其 taxonomy.md 可帮助发现值得加入 signals-catalog.md 的新信号。

2. 根据阶段 1 的发现定义 2-3 个 ICP。 每个 ICP =（行业 × 公司规模 × 地理区域）。例如：“美国金融科技，A-B 轮，50-200 人”；“英国 D2C 电商，20-100 人”；“欧盟医疗科技，种子轮后，10-50 人”。

3. 从目录中为每个 ICP 挑选 2-3 个信号。 优先选择动态信号（基于时机，占 TAM 的 3-5%），除非静态数据点能更有力地揭示问题。

4. 根据阶段 1 的服务与用例映射挑选 2-3 个优惠方案。 每个优惠方案 =（服务 + 成果）→ 例如：“为推出新产品线的金融科技创始人，在 90 天内完成 Discovery + MVP”。

5. 交叉组合成恰好 10 个假设。 不要列出所有 27 种可能组合——应在 ICP × 信号 × 优惠方案之间进行多样化组合，避免任何两个假设过于相似。

6. 为每个假设填写以下 12 个字段（与 Viktor 的假设报告模板一致）：

   字段	填写内容
   #	H01–H10
   Hyp name	简短标签：“金融科技 A 轮 — 推出新产品 — Discovery+MVP”
   ICP	行业 + 规模，写成一行
   Persona (primary)	你首先要联系的人员职位
   Buying committee	另外 2-3 个会影响交易的职位，以子项目符号列出
   Geo	地区
   Subindustry	相关时填写更细分的垂直领域
   Problem	他们面临的具体且代价高昂的问题（1-2 句话）
   Buying signal	你要使用的 signals-catalog.md 中的触发信号
   Offer	服务／成果的表述
   Case study / Proof	要用作证明的机构案例（附实际数字成果）
   TAM	估算账户数量 + 简要依据（“美国金融科技 A-B 轮，50-200 人，按 LinkedIn 估算约 800-1500 家”）
   Test batch	建议的初始触达规模：通常为 200-500 个账户

阶段 3 — 为每个假设评分

严格应用 Viktor 的 5 因素加权模型。每个因素评分为 1、3 或 5：

因素	权重	评分规则
易于抓取	0.15	5 = 可在 Clay / LinkedIn / BuiltWith / Crunchbase 中轻松检测到该信号。3 = 需要 LLM 增强或付出中等程度的努力。1 = 需要人工审核，或该信号仅存在于私有数据中。
扩展可能性	0.15	5 = TAM > 3,000，且该信号持续出现在 5% 以上的 TAM 中。3 = TAM 为 300-3,000，或该信号出现频率较低。1 = TAM < 300，或该信号极少出现。
问题明确且代价高昂	0.25	5 = 问题会造成明显的收入 / 成本损失（“AE 花 40% 的时间做潜在客户开发”）。3 = 问题确实存在，但并不紧迫。1 = 问题只存在于理论上，或属于“锦上添花”。
服务匹配度	0.20	5 = 该机构针对这个 ICP + 信号组合，有完全匹配的案例研究和能力。3 = 匹配度相近，需要稍作重新定位。1 = 勉强匹配 — 该机构在此领域没有证明或能力。
触发信号明确	0.25	5 = 信号明确无误，且几乎总意味着买家存在该问题（“发布 SDR 职位 4 周后又撤回”）。3 = 信号具有提示性，但并非确定性（“团队正在扩大”）。1 = 信号较弱 / 泛泛，可能意味着许多不同情况。

总分 = Σ（分数 × 权重）。范围：1.0 — 5.0。

结论阈值：

• 总分 > 3.5 → “优先执行” — 信心较高，从 500+ 条记录的批次开始
• 总分 3.0 – 3.5 → “值得测试” — 从 200-300 条记录的批次开始，快速迭代
• 总分 < 3.0 → “跳过或重做” — 至少有一个因素存在根本性问题

每项评分都必须附带一条单行理由（“触发信号明确 = 3：‘近期完成融资’可以检测到，但并非所有获得融资的公司现在都需要外向拓客帮助”）。

阶段 4 — 生成报告

按以下顺序输出一份 Markdown 文档：

# Hypothesis Report — [Client name]
Generated: YYYY-MM-DD · Source: [URL or "text brief"]

## Executive summary
- Strongest hypothesis: H0X — [name] — total score [X.X] — [one-line why]
- Weakest hypothesis kept: H0X — [name] — total score [X.X] — [why included anyway]
- Recommended starting batch: [H01, H03, H07] — total addressable accounts ≈ [X]
- Key risk in this client's portfolio: [one observation, e.g., "all 10 lean on Series A funding — concentration risk"]

## Phase 1 — What I extracted from the site
- **Services:** [list]
- **Existing use cases:** [list]
- **Vertical / industry signals:** [list]
- **Case studies with numbers:** [list with quantified outcomes]
- **Gaps I had to ask about:** [list]

## Summary table (all 10, sorted by score)

| # | Hypothesis | ICP | Persona | Signal | Offer | Final Score | Verdict |
|---|---|---|---|---|---|:---:|---|
| H01 | [short name] | [industry + size + geo] | [title] | [signal in plain words, e.g. "Hiring a BDR + sales is founder-led" — NOT the catalog ID] | [offer] | 4.70 | ✅ Run first |
| ... | ... | ... | ... | ... | ... | ... | ... |

Rules for this table:
- **Signals in plain words, never catalog IDs.** Write "New sales leader joined in last 90 days", not "A3/C5". The ID lives only in the detailed card below.
- **Final score only** — no per-factor breakdown in this table (that stays in the detailed cards).
- Verdict: ✅ Run first (>3.5) · ⚠️ Worth testing (3.0–3.5) · ❌ Skip/rework (<3.0).
- End with one line: **Старт: [H0X · H0X · H0X]** — the highest-conviction batch.

## Hypotheses (sorted by total score, descending)

### H01 — [Hyp name] — Total: 4.2 ✅ Run first

| Field | Value |
|---|---|
| ICP | ... |
| Persona (primary) | ... |
| Buying committee | • Title 1 (role) <br> • Title 2 (role) |
| Geo | ... |
| Subindustry | ... |
| Problem | ... |
| Buying signal | ... (from signals-catalog.md: section X) |
| Offer | ... |
| Case study / Proof | ... |
| TAM | ... |
| Test batch | ... |

**Scoring:**
- Easy to scrape: 5 (0.75) — [reason]
- Scaling: 5 (0.75) — [reason]
- Clear & expensive problem: 5 (1.25) — [reason]
- Offer relevance: 3 (0.60) — [reason]
- Trivial trigger: 5 (1.25) — [reason]
- **Total: 4.60 / 5.0**

---

[Repeat for H02 ... H10]

## Post-launch reference (Kill / Optimize / Scale)

After running a hypothesis with at least 200 accounts:
- **Kill:** reply rate < 1% OR interest rate (positive replies / all replies) < 17% → hypothesis disproven, find new signal or angle
- **Optimize:** interest rate 17–30% → potential. Test new copy angles, refine data filters, keep running
- **Scale:** interest rate > 30% → validated. Add LinkedIn channel, increase volume, promote to Tier 1

Speed of testing > polish. Get 3 hypotheses live in 7 days, not 1 hypothesis perfected in 30.

## Next steps
1. Validate TAM numbers in Apollo / Sales Navigator
2. Build account lists in Clay using the signals listed above
3. Draft copy variants for top 3 hypotheses
4. Set up tracking: reply rate + interest rate per hypothesis (not per campaign)

---

语言

默认：乌克兰语（Viktor 的客户主要是讲乌克兰语的 IT 机构）。 只有当源 URL / 简报为英文，且 Viktor 明确要求英文输出时，才切换为英语。

信号目录本身保持英文（它是参考资料）。

---

硬性规则

• 绝不编造信号。 每个“购买信号”字段都必须引用 signals-catalog.md 中的一个信号。如果现实中有适用信号，但目录中没有，请先将其添加到目录，并注明“（新建，添加日期 YYYY-MM-DD，需验证）”，然后再使用。
• 绝不编造案例研究。 如果网站上没有针对某个 ICP 且包含量化结果的案例，请在该假设中写入 Proof: TBD — no matching case study on site, recommend adding one。不得捏造。
• TAM 必须包含推理依据。 仅写“≈800-1500 个账户”不可接受；始终补充来源（“按 LinkedIn Sales Nav 筛选的美国 50-200 人金融科技公司”）。
• 假设数量不得多于或少于 10 个。 通过严格筛选来确定优先级。
• 定稿前检查多样性： 如果两个假设的 ICP 和信号都相同，请替换其中一个。不要提交近似重复项。
• 每项评分都需要一条单行理由。 只有数字对 Viktor 的审核毫无帮助。

---

此技能文件夹中的参考资料

• signals-catalog.md — 可供使用的规范信号 / 数据点库
• examples/example-report.md — 一份完整的示例报告，用于说明格式要求